Category Archives: health

Auto Added by WPeMatico

La compleja relación entre machine learning y seguros de salud

IMAGE: Rangizzz - 123RFLa discusión entre demócratas y republicanos al hilo de los sucesivos intentos de anulación de Obamacare en los Estados Unidos han puesto de actualidad la discusión sobre el futuro del cuidado de la salud. En un país como los Estados Unidos, que históricamente ha carecido de un sistema universal de cuidado de la salud, la Patient Protection and Affordable Care Act, conocida como Obamacare, supuso un impedimento para las posibilidades de las aseguradoras de salud de discriminar a los pacientes en función de sus condiciones preexistentes, de introducir techos de gasto anuales o totales, de expulsar o denegar la renovación de la póliza a personas que contraían determinadas enfermedades, o de incrementar de manera abusiva las franquicias, entre otras posibilidades.

Con el avance de las técnicas asociadas al machine learning, las posibilidades de las aseguradoras de salud de desarrollar sistemas algorítmicos capaces de predecir el coste asociado con el cuidado de la salud de un paciente específico se incrementan de manera notable. Si el uso de este tipo de sistemas no se pone bajo un nivel adecuado de control que impida el abuso, las compañías privadas podrían utilizar de este tipo de sistemas para maximizar sus beneficios a costa de la expulsión o la limitación del gasto en pacientes con mayores probabilidades de incurrir en tratamientos de coste elevado.

Por otro lado, todo apunta a que el futuro de la salud se basa, fundamentalmente, en la gestión de modelos preventivos, apoyados en la entrada de nuevos competidores como Apple o Amazon, la disponibilidad progresiva de nuevos dispositivos y pruebas diagnósticas, el desarrollo del diagnóstico genético a nuevos niveles y el sinfín de wearables y dispositivos afines inicialmente dedicados al fitness o al bienestar, pero con cada vez mayor interés en el mercado de la salud preventiva.

Indudablemente, nos dirigimos hacia un futuro en el que no recurriremos al sistema de salud únicamente cuando notemos los síntomas de una enfermedad, sino en el que un conjunto de dispositivos y prácticas nos permitirán monitorizarla de manera constante. En ese tipo de entorno, garantizar que la compañía encargada de velar por mi salud no utiliza mis datos para denegarme la póliza en función de mi probabilidad de contraer enfermedades que originen un nivel de gasto elevado se convierte en fundamental: no hacer nada equivale a sostener un sistema que se enriquece a partir de una cartera de clientes sanos, mientras expulsa a los más necesitados de cuidados con el fin de maximizar sus beneficios.

¿Cómo desarrollar mecanismos de control sobre las aseguradoras que garanticen un comportamiento ético, al tiempo que permitimos que restrinjan, por ejemplo, comportamientos voluntarios del paciente que sean susceptibles de generar un gasto más elevado? ¿Cómo tratar ya no simplemente a un paciente que fuma, sino a uno que de manera voluntaria se niega a monitorizar determinados aspectos de su salud o a someterse a determinadas pruebas rutinarias, lo que podría conllevar que el tratamiento de una eventual afección resultase mucho más complejo al ser diagnosticado en una fase más avanzada? El diseño de un sistema de control de las aseguradoras que permita, por otro lado, ejercer también un cierto nivel de incentivo o desincentivo de determinados comportamientos en los pacientes supone un reto importante, que por otro lado, hace referencia ya a un entorno que está ya prácticamente entre nosotros: con los datos que una aseguradora de salud puede obtener sobre un usuario simplemente a través del uso de los servicios médicos a lo largo del tiempo, pueden llevarse a cabo ajustes del importe de la póliza destinados a expulsar de facto a ese paciente en función de una previsión de siniestralidad, y todo ello en un entorno en el que los importes de las pólizas suelen ser completamente arbitrarias y carentes de mecanismos de control o de transparencia. Si una compañía aseguradora puede, básicamente, poner a mi póliza el coste que buenamente quiera sin prácticamente control alguno, ¿cómo evitar el abuso y los comportamientos no éticos ante algoritmos cada vez más potentes, mejor entrenados y capaces de predecir el nivel de gasto en el que puede incurrir un paciente? ¿Cómo evitar el abuso en un entorno en el que, por definición, una de las partes va a tener cada vez más y mejor información, tanto agregada como individualizada, sobre la otra?

 

 

 

This post is also available in English in my Medium page, “The complex relationship between machine learning and health insurance” 

 

Powered by WPeMatico

Medicina: ¿sustituyendo o asistiendo?

IMAGE: Natalia Merzlyakova - 123RFUn artículo de CNN titulado What happens when automation comes for highly paid doctors comenta el reciente crecimiento de la tendencia hacia el desarrollo y utilización de sistemas de diagnóstico de imagen – radiografías, tomografías, resonancias magnéticas, ultrasonidos, etc. tradicionalmente interpretados por un médico, un especialista o un radiólogo – para su interpretación mediante sistemas que procesan el diagnóstico mediante visión computerizada y algoritmos de machine learning, entrenados a partir del extenso archivo recopilado a lo largo de muchos años de práctica.

El uso de herramientas de diagnóstico mediante imagen ha ido creciendo a lo largo del tiempo, y además de ser profusamente utilizado, supone un elemento muy importante del coste: donde antes un médico tenía que procesar manualmente unas pocas imágenes, ahora es perfectamente habitual que en una sola prueba se obtengan cientos o incluso miles de imágenes en finas capas, en procesos que pueden llegar a ser profundamente aburridos y que incrementan la probabilidad de error debido al cansancio o la pérdida de atención.

¿Puede un algoritmo ser capaz de reconocer en una imagen elementos de diagnóstico? Sin duda. ¿Puede, además, llegar a hacerlo mejor que un profesional especialmente entrenado para ello? Todo indica que, a medida que esos algoritmos son entrenados con más y más imágenes y sus posteriores resultados diagnósticos, esa posibilidad se convierte en una realidad, y que muy probablemente estemos ante mecanismos en los que la probabilidad de pasar por alto un indicio con trascendencia diagnóstica en una imagen sea significativamente menor que en el caso de que ese diagnóstico sea llevado a cabo por un humano.

Precisamente sobre este tema estuve hablando en el pasado Netexplo con Pooja Rao, co-fundadora de la startup india Qure.ai, que fue una de las compañías que obtuvieron galardón y la que me pidieron que entrevistase en el escenario. Pooja contaba con la experiencia perfecta para comentar el tema: además de ser médico de formación, había co-fundado una compañía dedicada al diagnóstico de imagen mediante machine learning, y trabajaba precisamente con médicos a los que trataba de convencer para que contribuyesen al entrenamiento de los algoritmos ofrecidos por su compañía, con un argumento claro: la posibilidad de poder obtener mejores diagnósticos, más seguros, más consistentes y con menos posibilidades de pasar por alto elementos clave.

Una imagen de diagnóstico médico es un fichero digitalizable o, cada vez más, directamente digital. Convertir esas secuencias de píxeles en elementos capaces de ser procesados algorítmicamente es algo que cae perfectamente dentro de las posibilidades del machine learning, en un ámbito, el de la imagen, en el que ya se han obtenido numerosos progresos. Que lleguemos a un momento en el que el análisis de una imagen se lleve a cabo directamente tras su obtención, o incluso durante la misma – para permitir un muestreo más exhaustivo de determinadas áreas – o, incluso, a un momento en el que los médicos directamente pierdan la capacidad de utilizar ese método diagnóstico por falta de práctica es algo que, a día de hoy, cabe perfectamente dentro de los escenarios posibles. En este momento, un algoritmo es capaz de procesar e interpretar una resonancia magnética de corazón, por ejemplo, en unos quince segundos, un examen que puede necesitar unos 45 minutos cuando lo lleva a cabo un cardiólogo o radiólogo.

En ese caso, ¿qué papel pasa a tener el médico especialista? Sencillamente, el de encargar la prueba diagnóstica e interpretar el análisis de la misma llevado a cabo no por sí mismo o por un radiólogo, sino por un algoritmo. El propio radiólogo pasaría a ser un interpretador avanzado de esos diagnósticos, un gestor de un instrumento que sigue los indicios marcados por un algoritmo y trata de ofrecerle elementos adicionales de diagnóstico, o tal vez, el que lleva a cabo un segundo análisis manual basado en los indicios encontrados por el algoritmo. ¿Realmente vemos ese proceso como una sustitución, o más bien como una asistencia especializada que mejora las capacidades del facultativo? ¿Perderían los radiólogos su trabajo, o simplemente deberían reciclarse para aprender a aprovechar una herramienta diagnóstica mucho más potente, capaz de ver lo que un ojo clínico bien entrenado anteriormente no veía? ¿Llegaremos a un momento en el que el diagnóstico mediante imagen sea algo que debe necesariamente ser llevado a cabo por un algoritmo, porque mejore sensiblemente el número de ocasiones en las que un indicio se pasa por alto o se dé lugar a un número menor de falsos positivos? ¿Llevará el hecho de que sea un algoritmo el que procesa las imágenes a que se puedan obtener muchas más, dada la mayor facilidad de procesamiento derivada de que que no sea un médico quien deba revisarlas todas una por una, y por tanto, termine redundando en mejores diagnósticos? ¿Alguien podría llegar a ver un proceso así como negativo?

 

 

 

This post is also available in English in my Medium page, “Medicine and machine learning: replacing or assisting?” 

 

Powered by WPeMatico

El futuro de la medicina es digital

IMAGE: everythingpossible - 123RFRecientemente, al hilo de noticias que hablaban de la creciente popularidad de la monitorización del nivel de glucosa en sangre para no diabéticos y del medidor no invasivo con el que el CEO de Apple, Tim Cook, se ha dejado ver, hablamos de la posibilidad de que un indicador como ese, enormemente familiar para todos los que sufren de diabetes, se convirtiese en un parámetro habitual que monitorizamos con dispositivos electrónicos y que nos permite tomar decisiones sobre cuándo ingerir alimentos si queremos rendir mejor en nuestro trabajo, adelgazar, etc.

A partir de esa idea, que lógicamente requeriría el desarrollo de metodologías no invasivas para la medición del nivel de azúcar en sangre  – nadie va a querer acribillarse a pinchazos para algo que no es estrictamente necesario, sino que se plantea simplemente como un parámetro informativo de la actividad física – varios artículos han hablado de lo compleja que resulta esa medición y de cómo, a lo largo de los años y de cara al mercado de personas con diabetes (treinta millones de personas solo en los Estados Unidos), muchos fabricantes han intentado desarrollar dispositivos para ello sin conseguir resultados adecuados o mínimamente fiables.

La idea se plantea como un desafío para las compañías tecnológicas que se atrevan a aventurarse donde las empresas de instrumentación médica lo han intentado durante años, y se afirma que resultará imposible para esos dispositivos obtener la necesaria autorización de la Food and Drug Administration (FDA) norteamericana, fundamental para poner en el mercado cualquier cosa relacionada con la salud. Lo que se plantea es que para compañías como Apple, obtener la aprobación de la FDA puede ser muy complejo o incluso imposible, y que se enfrenta a una cuesta arriba muy difícil de superar en ese sentido.

En mi opinión, ese planteamiento es erróneo. Creo que hablamos de dos mercados diferentes: el de los diabéticos, que precisan de dispositivos que chequeen su nivel de glucosa con precisión y rigor, y el de personas que simplemente desean conocer su nivel de azúcar en sangre con propósito informativo. Mercados distintos, como lo son el de los atletas de élite y el de las personas que simplemente quieren mantenerse en forma. Cuando hace algún tiempo tuve la oportunidad de entrevistar a algunos deportistas de élite sobre su relación con la tecnología, me sorprendió que prácticamente ninguno de ellos utilizase wearables para monitorizar su actividad. Sus respuestas fueron, en ese sentido, bastante claras: en algunos entrenamientos sí utilizaban dispositivos para monitorizar ciertos parámetros fundamentales en su rendimiento, pero una simple banda en la muñeca no les daba la precisión ni los datos que necesitaban. En realidad, es bien sabido que la mayoría de los wearables tienen un nivel de precisión deficiente para la medición de algunos parámetros, hecho que fue objeto incluso de alguna denuncia colectiva, y sin embargo, eso no ha representado ningún obstáculo de cara a su popularización. La cuestión es muy clara: quien quiere simplemente monitorizar su estado de salud general, no tiene unos requerimientos de precisión tan importantes como los que tiene un atleta de élite, y en general, le basta con saber que los errores en la medición siguen una distribución normal.

En esa cuestión es donde, desde mi punto de vista, está la clave: dudo mucho que Apple u otros pretendan poner en el mercado un dispositivo no intrusivo de medición del azúcar en sangre. Eso supone un reto tecnológico complejo que sin duda llegará a solucionarse, pero que formará parte de un proceso largo y complejo de evolución y desarrollo. Lo que, desde mi punto de vista, intentarán estas compañías, es lanzar dispositivos claramente orientados al mercado de consumo, especificando que no son aptos para el control de la diabetes, y sin necesidad de una aprobación de la FDA, simplemente monitores de actividad física como los que ya conocemos. Desde esa posición se puede desarrollar perfectamente un mercado de usuarios que sin grandes requerimientos de precisión, sí puedan obtener métricas que les permitan tomar decisiones mejor informadas sobre sus ritmos de vida, su ingesta y su actividad.

La propia FDA, consciente del fenómeno, acaba de anunciar la creación de una unidad destinada específicamente a la salud digital, con la incorporación de trece ingenieros especializados en cloud computingmachine learning y desarrollo de software. La idea, para mí, está clara: evolucionar hacia sistemas que permiten la captación de parámetros de muchos usuarios de manera permanente mediante dispositivos que no requieren una aprobación de la FDA como tal porque no son dispositivos médicos, pero que permiten obtener datos tanto para educar algoritmos, como para eventualmente servir como señales de alarma en determinados casos. Para desarrollar la salud digital, la aprobación de la FDA o de organismos similares no es estrictamente necesaria: se puede hacer mucho con dispositivos orientados a un control menos estricto, y monitorizar al paciente con dispositivos homologados para la práctica médica cuando el contexto y la ocasión lo precisa.

Que yo mantenga mi pulso monitorizado de manera continua no quiere decir que, en caso de un ingreso hospitalario o una visita a la consulta, mi médico vaya a fiarse de la medición obtenida por mi dispositivo. Sin duda, utilizará su monitor homologado y aprobado por la FDA para anotar mis constantes vitales con la precisión adecuada. Sin embargo, mi dispositivo me resulta muy útil a lo largo del día, e incluso me puede alertar si algo va mal, porque su nivel de error no es aleatorio, sino que se distribuye de manera normal. Mi predicción es que con el nivel de glucosa en sangre y con algunos otros parámetros en el futuro ocurrirá algo similar: dispositivos meramente orientativos que llevan a cabo una monitorización constante y no intrusiva, a los que se añadirá una capa en la nube de machine learning que, en función de las lecturas obtenidas, lleve a cabo un diagnóstico preventivo, y en caso de ser necesario, someta a los pacientes a una monitorización más rigurosa. Un futuro que sin duda permitiría a la medicina progresar mucho y trabajar con muchos más datos, sin pretender desplegar instrumentaciones sofisticadas con niveles de precisión estrictos en entornos que, simplemente, no lo permiten. No se trata de pretender que tu médico se mire el gráfico de tu Fitbit, eso es completamente insostenible. Se trata de que un sistema de machine learning sea capaz de, utilizando las lecturas con bajo nivel de precisión de tus dispositivos como indicadores, te diga cuándo debes preventivamente ponerte en manos de tu facultativo.

El futuro de la medicina, sin duda, será digital. Pero no necesariamente con la etiqueta de “aprobado por la FDA”.

 

Powered by WPeMatico

Reinventando la investigación médica

Project BaselineMi columna en El Español de esta semana se titula “Descifrando la vida” y habla sobre Verily, una spin-off de Alphabet anteriormente conocida como Google Life Sciences, dedicada a la investigación en las ciencias de la salud, que se ha propuesto hacer posiblemente una de las investigaciones más ambiciosas de la historia en el ámbito de la medicina: un estudio longitudinal que abarcará a más de diez mil candidatos a lo largo de más de diez años.

La idea de Project Baseline es utilizar la tecnología disponible actualmente para plantear un seguimiento detallado a diez mil personas que vivan cerca de alguna de las tres clínicas incluidas en el experimento (Stanford, DukeCalifornia Health & Longevity Institute). A lo largo del estudio, los voluntarios, que no obtendrán compensación económica alguna y simplemente se beneficiarán de un nivel de monitorización más elevado que el habitual, serán objeto de un riguroso seguimiento y escrutinio que incluirá analíticas y pruebas diagnósticas periódicas de diversos tipo, el uso de dispositivos para registrar su actividad física o de sensores bajo su cama para evaluar la calidad del sueño, secuenciación completa de su genoma, etc. La totalidad de sus datos médicos serán compartidos con la compañía, que podrá además explotarlos mediante alianzas con compañías farmacéuticas o equipos de investigación médica respetando una serie de medidas de protección de la privacidad. 

A lo largo del estudio, un cierto porcentaje de los voluntarios estudiados padecerá dolencias de diversos tipos, que serán estudiadas con detalle para tratar de establecer relaciones causales entre los datos que han ido generando y el origen, evolución o transmisión de su enfermedad. Cualquier persona que conozca con cierto detalle los procesos implicados en investigación biomédica se dará rápidamente cuenta de que con proyectos de este tipo, del mismo modo que con ese Apple ResearchKit del que hablamos hace ahora unos dos años, estamos en realidad reinventando de una manera radical toda la investigación en ciencias de la salud, accediendo a tamaños muestrales antes completamente inimaginables, y a una riqueza, volumen de datos y nivel de detalle a los que anteriormente jamás habíamos podido pensar en acceder. En realidad, lo que estamos planteando es la auténtica transformación digital de la investigación biomédica, con todo lo que ello conlleva: cambios radicales en los canales y la relación con los pacientes, redefinición total de los procesos internos para orientarlos completamente a la generación y análisis de datos, y modelos de plataforma para posibilitar la entrada de distintos socios capaces de enriquecer o beneficiarse mútuamente del proyecto.

¿Qué avances en el campo biomédico van a poder surgir del planteamiento de estudios como este? ¿De qué tipo de adelantos hablamos cuando pensamos en escalar algo como la investigación biomédica a estos niveles, y apalancarla con todas las posibilidades que permite el entorno tecnológico en que vivimos hoy?

 

Powered by WPeMatico

Monitorización y seguros médicos

Apple HealthKit logoUna de las principales aseguradoras de salud norteamericanas, Aetna, se convierte en la primera compañía en anunciar que subvencionará wearables y otros dispositivos a sus clientes con el fin de que monitoricen su salud y puedan obtener mejores servicios.

La aseguradora iniciará un programa que incluye únicamente dispositivos Apple y que se extenderá a sus más de cincuenta mil empleados comenzando en enero de 2017 y, progresivamente, a clientes tanto individuales como corporativos. La compañía tiene más de veintitrés millones de clientes en los Estados Unidos, lo que la convertirá potencialmente en un auténtico filón para la marca de la manzana.

El hecho de que sea precisamente Aetna, una aseguradora que recientemente anunció que restringiría dramáticamente su participación en los marketplaces públicos de seguros de salud creados gracias a la aplicación de la Patient Protection and Affordable Care Act – conocida habitualmente como Obamacare – alegando pérdidas importantes, podría indicar un reposicionamiento de la compañía para tratar de centrarse en clientes con un mayor poder adquisitivo que podrían ser más sensibles a pagar un premium por una propuesta de gestión proactiva de su salud.

El programa cubrirá una parte significativa del coste de los dispositivos, comenzando por el Apple Watch, ofrecerá financiar el resto del coste incluyéndolo en el recibo mensual, e incluirá apps específicas diseñadas por la compañía para los dispositivos. Comenzará ofreciéndose a determinados clientes corporativos e individuales, y se extenderá gradualmente al resto de la base de usuarios.

La idea es ayudar a sus clientes a gestionar su estado de salud y bienestar mediante la información facilitada por los dispositivos, mejorar el diagnóstico y la prescripción de medicamentos, tratar de incrementar la adherencia a los tratamientos mediante recordatorios, poner a su disposición aplicaciones para interaccionar más fácilmente con la compañía y pedir, por ejemplo, recetas de medicamentos, volantes para tratamientos o consultas de sus facturas, o desarrollar de planes de salud y bienestar personalizados y supervisados.

El pasado julio, Fitbit anunció un programa, Fitbit Group Health, destinado a ofrecer ese mismo tipo de servicios a colectividades como compañías, aseguradoras, programas de control del peso e investigación clínica. Sin embargo, Aetna es la primera aseguradora de salud que lo anuncia a gran escala y que lo incluye como una parte de sus pólizas. Sin duda, un cambio en la gestión de la salud que pretende llevar a cabo acciones con una naturaleza más proactiva que reactiva: en el actual estado de la tecnología, disponer de lecturas regulares de datos cuantitativos como la actividad física, la frecuencia cardíaca, el nivel estimado de estrés u otras métricas que puedan obtenerse mediante las correspondientes apps y el uso de los sensores de los dispositivos es algo que, sin duda, puede tener un gran efecto en el control de la salud, y no tiene demasiado sentido esperar a que surja un problema para intentar gestionarlo si, mediante una monitorización adecuada, puede ser satisfactoriamente prevenido. Lo novedoso, en realidad, no es que ese control pueda llevarse a cabo de manera satisfactoria, sino que una aseguradora lo considere suficientemente interesante como para convertirse en un actor fundamental en la popularización de ese tipo de dispositivos, cubriendo incluso una parte del coste de los mismos, y atribuyéndoles, supuestamente, una rentabilidad determinada. En ese sentido, tratar de homogenizar las lecturas homologando únicamente los dispositivos de una marca determinada puede tener todo el sentido de cara a reducir la complejidad y maximizar el desarrollo y la eficiencia de los algoritmos derivados. Que la marca sea Apple, creadora de programas como ResearchKit, no deja de tener cierta lógica.

Estoy seguro de que muchas compañías de la industria estarán muy atentas a los resultados de este programa. Los que llevamos tiempo practicando la monitorización de manera completamente intuitiva sabemos de las capacidades que ofrece de cara a estimar nuestro estado de salud. Una gestión más profesionalizada de esos datos y de otros adicionales puede, sin duda, marcar un antes y un después en la forma en la que muchas personas gestionan y toman conciencia de su estado de salud.

 

Powered by WPeMatico

ResearchKit: la verdad está en los grandes números

Apple ResearchKitRealmente, lo que más me llamó la atención de la presentación de Apple del pasado lunes 9 fue la presentación de ResearchKit, una iniciativa de código abierto destinada a facilitar a cualquier usuario de iPhone la contribución desinteresada de datos sobre su salud a equipos de investigación médica. Hace poco escribía sobre cuánto me había llamado la atención el hecho de llevar encima un dispositivo que me permitía monitorizar mi frecuencia cardíaca, y cómo eso me había posibilitado tener cierta impresión – limitada, no soy médico – de que mi salud no estaba del todo bien.

En realidad, se trata de la contrapartida agregada de HealthKit, la aplicación que los usuarios de iPhone pueden instalar – vendrá preinstalada en los nuevos modelos y con la actualización a iOS 8 – para llevar un registro de parámetros de salud en función de los sensores que conectemos a ella (algunos fabricantes, como Fitbit, han anunciado ya que no se conectarán con HealthKit porque pretenden construir un dispositivo competidor del Apple Watch, en lo que me parece un grave error estratégico). A partir de un consentimiento que se firma en el propio dispositivo, los usuarios podrán decidir aportar los datos obtenidos por sus sensores a equipos médicos de investigación que hayan solicitado a Apple su inclusión en el programa.

La cuestión no es tan sencilla como parece: muchos médicos critican la iniciativa afirmando que las métricas obtenidas por sensores como los brazaletes de tracking no son suficientemente fiables para ser aportadas a la investigación científica, y construida sobre una base, la de HealthKit, que está muy lejos de los estándares de calidad que suelen considerarse habituales en los productos de la compañía. Obviamente, una cosa es estar contribuyendo los datos de, por ejemplo, mi frecuencia cardíaca a un equipo médico, idea que en principio no suena mal, y otra hacerlo con una base de usuarios que se quita su brazalete con cierta frecuencia y sin control alguno o, peor, que experimenta bugs en la app que utilizan que hacen que deje de contabilizar durante ciertos períodos.

La idea, sin embargo, ha sido muy bien acogida por los usuarios: más de diez mil personas dieron su consentimiento a la recopilación de sus datos para investigación médica en las primeras veinticuatro horas tras su lanzamiento, en lo que supone una muestra de la voluntad clara para pasar por encima de los posibles riesgos de privacidad y confidencialidad que afectan a la información de la salud, considerada por lo general como sometida a protección especial, si el fin es hacer posible el progreso de la ciencia médica.

Por mi parte, no tengo claro que el colectivo al que haya que preguntar su opinión sean los médicos, sino los médicos investigadores, un subconjunto no tan amplio del total de facultativos. Médicos los hay de todos tipos, y su cultura tecnológica no es significativamente más alta que la del conjunto de la población general – en los congresos médicos y por parte de empresas farmacéuticas he escuchado incluso opiniones de que está por debajo. Los investigadores, sin embargo, entienden la trascendencia que puede tener para la investigación el contar con datos de este tipo: los datos son siempre el verdadero cuello de botella de toda investigación, siempre es posible diseñar controles que aíslen la incidencia de errores o incluso de sesgos muestrales, y en cualquier caso, siempre es mejor tenerlos en exceso que no disponer de ellos. Como afirmo en el titular: la verdad está en los grandes números. Estoy convencido de que la iniciativa de Apple puede llegar a ser muy significativa de cara al desarrollo de investigación médica, y creo además que es algo cuyos frutos empezaremos a ver en no mucho tiempo.

Powered by WPeMatico

Salud, deporte, apps y wearables

El deporte inyecta salud a la economía - El País (pdf)Susana Blázquez me llamó para hablar de la contribución a la economía del deporte, y tocamos fundamentalmente el tema de las apps, los wearables y cómo factores como la monitorización y la gamificación contribuyen a la motivación de los usuarios a la hora de plantearse hacer deporte o controlar su salud con una cierta regularidad. En su artículo del domingo, titulado “El deporte inyecta salud a la economía” (pdf) me cita brevemente.

Un subsegmento sujeto a fuertes movimientos de convergencia: sin duda, la llegada al mercado del Apple Watch, con unas ventas previstas de entre cinco y seis millones de unidades y un fuerte enfoque a la monitorización de parámetros de ejercicio físico y salud, afectará fuertemente a las de otros wearables especializados, que además en algunos casos han sido ya excluidos de las tiendas de la marca o directamente se han dejado de fabricar.

Powered by WPeMatico

Cardioconsciencia

lpm reposo 21 de enero a 17 de febrero - Fitbit Charge HREl pasado enero, Fitbit me actualizó el dispositivo que utilizo para la cuantificación de mi actividad con el nuevo Charge HR, el primero que utilizo con sensor para la monitorización del ritmo cardíaco. Pero más allá de comentar o evaluar el dispositivo, que ya ha sido evaluado en una amplia variedad de sitios, me gustaría comentar los interesantes efectos de lo que he denominado “cardioawareness” o “cardioconsciencia”, las sensaciones que pasamos a tener cuando llevamos encima de manera constante un monitor de ritmo cardíaco.

Mi relación con mi corazón es, por así decirlo, delicada. No me ha dado nunca un problema, pero es un tema que monitorizo con cierto cuidado desde hace bastantes años. A mi edad, mi padre llevaba ya un par de anginas de pecho y un cuadro complicado que, además, viví muy de cerca, de manera que desde hace ya bastantes años me hago revisiones anuales y mantengo una cierta vigilancia, aunque en general – y seguramente debido a esos antecedentes – intente llevar un estilo de vida algo más saludable del que mi padre llevaba a mi edad. Los antecedentes no son más que eso, antecedentes: nada implica necesariamente que mi corazón vaya a seguir los pasos del de mi padre, de manera que básicamente sirven para que, cuando tengo cualquier cuestión relacionada con la salud y hago referencia a ellos, me traten con algunas precauciones adicionales. Pero más allá de eso, mi corazón, aparentemente, funciona bien – y mi padre mantiene, a pesar de sus habituales arritmias, una calidad de vida muy razonable para su edad.

La gráfica de la ilustración representa mi frecuencia basal, la media de frecuencia cardíaca durante la noche, desde el día 21 de enero. Mi frecuencia habitual en reposo tiende a ser bastante estable, alrededor de las sesenta pulsaciones. Esos días, sin embargo, pasó de una elevación discreta los primeros días, a valores sensiblemente más elevados. De hecho, mi señal de alarma vino cuando, el 2 de febrero, empecé a sentir elevaciones muy bruscas de mi frecuencia cardíaca con esfuerzos mínimos, como subir unas escaleras. Acudí al médico pensando en algún tipo de problema de arritmia, para encontrarme con algo completamente diferente: una serie de úlceras duodenales que me habían provocado una anemia fuerte. La elevación del ritmo basal de los días siguientes es precisamente eso: el resultado de un cuadro de anemia: con menos hemoglobina, la sangre disminuye su eficiencia en el transporte de oxígeno, y el corazón necesita latir más rápido.

La idea que tienes cuando incorporas el ritmo cardíaco a las variables que cuantificas de manera constante es que te puede servir para controlar tu ejercicio. Para cuestiones como tratar de mantenerte en un ritmo determinado cuando sales a correr, forzando la permanencia en rangos que permitan precisamente hacer ejercicio cardiosaludable o tratar de quemar grasas de manera más eficiente. Sin embargo, sea porque me ha coincidido una temporada de menos ejercicio o por las recientes complicaciones de mi salud, el hecho de llevar puesto un monitor de ritmo cardíaco se ha convertido en algo diferente. A partir de la primera señal de alarma, modifiqué la secuencia de contadores en la pulsera para poner el ritmo cardíaco como primera variable que se muestra tras la hora, inmediatamente antes del número de pasos, que era la que anteriormente consultaba con más frecuencia. Ahora, a través de la evolución de mi ritmo cardíaco estoy siendo capaz de monitorizar una de las variables indicativas de mi recuperación: sé que debería ir revirtiendo a los ritmos habituales anteriores a la anemia, lo que me resulta una curiosa manera de mantener un cierto control del tema.

Apple, con su tendencia a la redefinición de los dispositivos, parece haber convertido la monitorización del ritmo cardíaco en el auténtico “ser o no ser” de los smartwatches: tras la presentación del Apple Watch, del que parece ser que han hecho una estimación de demanda inicial y consecuente previsión de fabricación de entre cinco y seis millones de unidades, el monitor de frecuencia cardíaca parece haberse convertido en “lo que todo smartwatch tiene que tener para ser considerado como tal”, algo que definitivamente no estaba ahi cuando Pebble volvió a atraer la atención sobre la categoría. Eso implica que, en no mucho tiempo, muchos usuarios tendrán un smartwatch en la muñeca y estarán, por tanto, monitorizando su frecuencia cardíaca como si no hubiera un mañana. Me pregunto cuáles serán los efectos de esa súbita entrada en la “cardioconsciencia”: ¿más neurosis y preocupaciones derivadas de tener esa variable delante de la nariz de manera tan conspicua? ¿Indiferencia? ¿Curiosidad? ¿Usos alternativos, como indicador de otros posibles trastornos? ¿Curiosidades frívolas, como ese detalle “le envío mi ritmo cardíaco a mi pareja” que salía en el anuncio?

Para mí, sin duda, aunque sea por haber coincidido con un momento algo más delicado de mi salud, la cuestión está teniendo su cierto interés. Pero no dejo de preguntarme cuáles serán los efectos futuros de algo así, de la próxima popularización de wearables y smartwatches que cuantifican la actividad cardíaca…

Powered by WPeMatico

La postura como hábito saludable

IMAGE: Andrey Zaripov - 123RFRevisando novedades un día antes de la inauguración del Consumer Electronics Show (CES) de Las Vegas 2015, parece claro que se adelanta un claro énfasis en los dispositivos orientados a la monitorización de la salud y el ejercicio físico.

Nada especialmente novedoso si tenemos en cuenta los sucesivos avances de esta categoría a lo largo del tiempo, sujeta a la progresiva miniaturización y abaratamiento de componentes como sensores o baterías: llevar encima un dispositivo que nos permita cuantificar nuestra actividad física ya empieza a resultar habitual y muy poco llamativo, y estamos aún comenzando a explorar su convergencia con una nueva – o no tan nueva, pero recientemente relanzada – categoría: la de los relojes inteligentes o smartwatches.

Lo que sí me ha llamado la atención, y me ha permitido hilar con determinados dispositivos que conocía de antes, es el énfasis en el control de la postura como parte de la salud. Hace ya algún tiempo conocí Lumo, una especie de cinturón que avisa mediante una vibración a quien lo lleva para que corrija su postura y cuide su postura cuando está de pie o sentado, y ahora, de cara al CES, veo análisis de un par de dispositivos más: Valedo y UpRight, pensados aparentemente para personas con dolores de espalda, pero enfocados en general a la introducción de hábitos para el control de la postura.

Más allá del ejercicio físico, este tipo de dispositivos tratan de concienciar sobre la importancia de unos hábitos posturales correctos durante el tiempo que pasamos de pie o sentados, mediante sensores discretos que tienen en cuenta el ángulo de inclinación de las vértebras lumbares o la alineación de dos dispositivos pegados con cinta adhesiva hipoalergénica en dos puntos diferentes de la espalda. También lo he visto incorporado en un cinturón metálico, que además tiene el detalle de soltarse un poco cuando has comido demasiado 🙂

No sé si veo este tipo de dispositivos de control postural alcanzando una popularidad importante en los próximos tiempos, pero sí pueden tener su importancia de cara a personas con complicaciones derivadas de malos hábitos posturales: después de todo, hablamos de comportamientos difíciles de corregir, ampliamente arraigados, que pueden llegar a tener un efecto en nuestro bienestar incluso mayor que el ejercicio físico en función del tiempo que pasamos en una y otra actividad,  y que precisan de poco más que la voluntad de introducir cambios y un leve o discreto recordatorio para conseguir cambios que pueden llegar a tener un efecto importante sobre la salud.

Powered by WPeMatico